BAB III METODE PENELITIAN
3.4 Teknik Analisis dan Uji Realibilitas
3.4.2 Teknik Analisis Data
3.4.2.2 Tahapan Analisis Faktor
Prinsip kerja analisis faktor adalah dari n variabel yang diamati dimana beberapa variabel mempunyai korelasimaka dapat dikatakan bahwa variabel tersebut memiliki p faktor umum (common factor) yang mendasari korelasi antar variabel dan juga m faktor unik (unique factor) yang membedakan tiap variabel, Wibisono (2003 : 244). Faktor umum dilambangkan dengan F1, F2, F3, F4, ...Fm
dan faktor unik U1, U2, U3, U4,... Um.
Model matematis dasar analisa faktor yang digunakan untuk setiap variabel independent X1.
Xi =
Ʃ
AijFj + bi Ui j-iDi mana :
i = 1,2,3,...., n
Xi = variabel independen ke – i Fj = faktor kesamaan ke – j Ui = faktor unik ke – i
Aij = koefisien faktor kesamaan bi = koefisien faktor unik
j-i = Faktor ke – i dalam variabel ke – j
Langkah – langkah dalam analisis faktor adalah : Tahap I : (Rumusan Masalah)
Menentukan variabel yang dipilih, yaitu variabel yang relevan dengan penelitian yang akan dilakukan. Menentukan banyaknya variabel sesuai dengan variabel yang relevan. Menentukan cara pengukuran variabel dan ukuran / jumlah sampel. Matriks data mentah diperoleh dari data asli langsung dari kuesioner. Matriks ini berukuran p x q (p baris dan q kolom) : p = banyaknya responden yang mengisi kuesioner, q = banyaknya variabel manifest / banyaknya item pertanyaan kuesioner. Tiap jawaban responden diberi skala nilai, biasanya dengan skala likert, sehingga dapat disusun dalam suatu bentuk matriks.
Tahap II : (Matriks Korelasi)
Matriks korelasi merupakan matriks yang membuat koefisien korelasi dari semua pasangan variabel dalam penelitian. Jadi, matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel manifest. Nilai kedekatan
ini dapat digunakan untuk melakukan pengujian agar bisa melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.
Analisis faktor yang baik memiliki nilai korelasi tinggi (rata – rata lebih besar dari 0,3). Dalam hal ini, diterminan matriks yang mendekati nol menunjukkan nilai korelasi tinggi. Selanjutnya perlu diuji apakah matriks korelasi ini merupakan matriks identitas baru atau bukan, karena matriks identitas tidak dapat digunakan untuk analisis. Metode yang bisa dilakukan adalah metode
Barlett Test of Sphericity. Kemudian perlu ditentukan nilai koefisien korelasi parsial, yaitu estimasi antar faktor unik dan nilainya harus mendekati nol untuk memenuhi asumsi analisis faktor.
Untuk menguji kesesuaian pemakaian analisis faktor, digunakan metode
Kaiser – Mayer – Olkin (KMO). KMO merupakan indeks perbandingan besarnya
koefisien korelasi observasi dengan besarnya koefisien parsial. Jika nilai kuadrat koefisien korelasi parsial dari semua pasangan variabel lebih kecil dari pada jumlah kuadrat koefisien korelasi, maka harga KMO akan mendekati 1, yang menunjukkan kesesuaian penggunaan analisis faktor. Apabila KMO kecil (<0,5) menunjukkan bahwa korelasi antara variabel lain dan analisis faktor tidak sesuai untuk diterapkan. Ketentuan nilai KMO adalah :
1. Harga KMO sebesar 0,9 adalah sangat memuaskan 2. Harga KMO sebesar 0,8 adalah memuaskan
3. Harga KMO sebesar 0,7 adalah harga menengah 4. Harga KMO sebesar 0,6 adalah cukup
5. Harga KMO sebesar 0,5 adalah kurang memuaskan 6. Harga KMO sebesar 0,4 adalah tidak dapat diterima
Untuk menentukan apakah proses pengambilan sampel telah memadai atau tidak dengan menggunakan pengukuran Measure of Sampling (MSA). Harga MSA yang rendah merupakan pertimbangan untuk membuang variabel tersebut pada tahap analisis selanjutnya. Sering kali, karena jumlah data yang banyak, perhitungan KMO dan MSA hanya dimungkinkan dengan bantuan komputer.
Tahap III : (Ekstraksi Faktor)
Tahap selanjutnya adalah faktor exit – action yaitu menentukan jumlah faktor yang diperlukan untuk menginterprestasikan data. Cara untuk menentukan jumlah faktor antara lain dengan akar karakteristik yang dibawah 1 atau yang mendekati nol (0), biasanya tidak dipergunakan karena dipandang kontribusinya dalam menerangkan keragaman data sangat kecil. Penentuan jumlah faktor juga bisa berdasarkan persentase total varians.
Untuk mengekstrasikan faktor dikenal dua metode rotasi, yaitu :
a. Orthogonal Faktor
Ekstraksi faktor dengan cara merotasikan sumbu faktor yang kedudukannya tegak lurus satu dengan yang lainnya. Dengan melakukan rotasi ini setiap faktor independen terhadap faktor lain karena sumbunya saling tegak lurus. Orthogonal faktor solution digunakan bila analisis bertujuan untuk mereduksi jumlah variabel asal yang sudah beberapa berartinya faktor yang diekstraksi.
b. Oblique Faktor
Ekstraksi faktor dilakukan dengan merotasikan sumbu faktor yang kedudukannya saling membentuk sudut dengan besar sudut tertentu. Dengan rotasi ini, maka korelasi antar setiap faktor masih diperhitungkan karena sumbu faktor tidak tegak lurus dengan yang lainnya. Obloque faktor solution digunakan untuk memperoleh jumlah faktor yang secara teoritis cukup berarti.
Ekstraksi faktor digunakan untuk menentukan jenis – jenis faktor yang akan dipakai. Estimasi faktor dapat menggunakan metode Principal Component Analysis (selain itu terdapat metode common faktor analysis). Dengan metode ini akan terbentuk kombinasi lini dari variabel – variabel observasi.
1. Common (variasi umum), menunjukkan varians variabel bersama antar
tiap variabel penelitian.
2. Spesifik (variasi unik) menunjukkan varians spesifik tertentu. 3. Error, akibat ketidak handalan dalam proses pengambilan data.
Setelah ekstraksi faktor, kemudian dilakukan perhitungan nilai eigenvalue, yang menyatakan nilai varians dari variabel menifest. Banyaknya faktor ditentukan berdasarkan nilai persentase dari varians total yang ditetapkan oleh variabel tersebut. Varians nilai tersebut merupakan jumlah varians masing – masing variabel yang disebut nilai eigen.
Tahap IV : (Menentukan Rotasi Matriks Faktor)
Matriks faktor sebelum dirotasi dgunakan untuk mengeksplorasi kemungkinan pengelompokan variabel ke dalam sejumlah faktor yang telah di
ekstraksi. Matriks ini merangkum informasi mengenai bobot variabel ke dalam setiap faktor, informasi yang terkandung di dalam matriks ini belum dapat digunakan untuk menginterprestasikan dengan jelas mengenai pengelompokan variabel dalam setiap faktor karena bobot masing – masing variabel pada setiap variabel belum jauh berbeda. Agar dapat diperoleh bobot variabel yang mudah untuk diinterprestasikan, matriks faktor ini harus dirotasikan.
Matriks faktor yang dirotasikan ini bertujuan untuk mempermudah interprestasi dalam menentukan variabel – variabel mana saja yang tercantum dalam suatu faktor. Dalam analisis penelitian menggunakan metode variamax untuk memberikan faktor akstraksi sehingga pada akhirnya diperoleh hasil rotasi dimana dalam satu kolom nilai yang ada sebanyak mungkin mendekati nol. Hal ini dalam setiap faktor tercakup sedikit mungkin variabel.
Tahap V : (Interprestasi)
Matriks faktor ini bertujuan untuk mempermudah interpretasi dalam menentukan variabel – variabel yang tercantum dalam suatu faktor. Selanjutnya adalah tahap interpretasi faktor berdasarkan bobot masing – masing variabel dalam setiap faktor. Dari hasil pembobotan faktor awal akan diperoleh bahwa kontribusi variabel pada faktor kesamaan pertama sangat banyak.
Tahap VI : (Menentukan Bobot Faktor)
Bobot faktor adalah ukuran yang menyatakan representasi suatu variabel oleh masing – masing faktor. Bobot faktor menunjukkan bahwa suatu data memiliki karateristik khusus yang diinterprestasikan oleh faktor. Bobot faktor ini digunakan untuk analisis lanjutan.
Bobot faktor menunjukkan kedekatan hubungan antara variabel dengan faktornya atau dapat dikatakan kontribusi dari variabel manifest terhadap variabel laten. Faktor dengan bobot faktor tinggi untuk suatu variabel menunjukkan tingginya hubungan faktor itu dengan variabelnya.